SWNet：カモフラージュされた雑草を検出するためのクロススペクトル・ネットワーク

要旨: 本論文は、密集した農業環境におけるカモフラージュされた雑草の検出に特化して設計された、バイモーダルなエンドツーエンド・クロススペクトル・ネットワークであるSWNetを提示する。侵入種が主要作物の表現型の特徴を模倣する、同質色的ブレンド（homochromatic blending）によって特徴づけられる植物の擬態（カモフラージュ）は、従来のコンピュータビジョン・システムにとって大きな課題である。これらの制約を克服するために、SWNetは、遠距離の依存関係を捉えるためのPyramid Vision Transformer v2バックボーンと、可視光および近赤外情報を動的に統合するBimodal Gated Fusion Moduleを用いる。NIRスペクトルで捉えられるクロロフィルの反射における生理学的な差異を活用することで、提案アーキテクチャは、可視領域だけでは区別できない対象を効果的に識別する。さらに、エッジ認識に配慮したRefinementモジュールを用いて、よりシャープな物体境界を生成し、構造上の曖昧さを低減する。Weeds-Bananaデータセットでの実験結果は、SWNetが10の最先端手法を上回ることを示している。本研究は、クロススペクトルデータの統合と境界に導かれたリファインメントが、複雑な作物キャノピーにおける高いセグメンテーション精度に不可欠であることを示している。コードはGitHubで利用可能: https://cod-espol.github.io/SWNet/